-
公开(公告)号：CN114048800A
公开(公告)日：2022-02-15
申请号：CN202111229203.4
申请日：2021-10-21
Applicant: 哈尔滨工程大学
IPC: G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种视觉信息海上目标识别多源混合数据集构建方法。本发明通过详细划分海上目标种类，为后续样本采集与标注提供标准分类条件；采用多种途径获取样本数据，利用海上目标样本采集、网络搜索、数据样本增广方式，分别构建样本数据集；设计样本分配和处理策略，并制定海上目标识别评价策略，保证样本中各类数据构成比例更为合理，保证后续神经网络训练的准确性。本发明可为基于深度学习的海上目标识别网络训练任务，提供更为合理的训练样本，使训练后的网络具有较强的鲁棒性和识别准确性。
-
公开(公告)号：CN111915677B
公开(公告)日：2023-11-17
申请号：CN202010649201.X
申请日：2020-07-08
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于三维点云特征的船舶位姿估计方法，首先通过从6个方向获取目标船的三维点云数据，采用拼接方式获得目标船的完整点云库。构建目标船的点云模板库。计算待配准目标船舶点云的ISS3D特征点及其特征直方图，得到模板点云库中的特征点与待配准点云库中的对应特征点重合的初始坐标变换矩阵，实现点云在全局范围内的快速粗配准。采用ICP点云配准算法，在上步粗配准的基础上进行点云的精准配准，获得实现点云精准配准的坐标变换矩阵。最后利用精准坐标变换矩阵与点云模板库中船舶的初始位姿信息，完成对目标船进行六自由度的位姿估计。本发明提出基于点云特征的船舶位姿估计算法实验，通过实验数据对比，验证本发明的有效性。
-
公开(公告)号：CN112550592A
公开(公告)日：2021-03-26
申请号：CN202011313630.6
申请日：2020-11-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶能耗预测技术领域，具体涉及一种基于数据驱动的船舶能耗预测方法。本发明包括获取船舶的期望航线、出发时间及海况信息；构建离线基础模型，包括船舶对水稳态航速模型、发动机功率模型和发动机油耗模型；对船舶对水稳态航速模型和发动机功率模型的离散网格矩阵进行高维线性插值；对发动机油耗模型的离散网格矩阵进行一维线性插值；实时推演船舶能耗模型。本发明以一套数据矩阵作为支持，实现船舶长航路的能耗快速计算，该方法中的数据矩阵可通过多种方式获得，并方便快速替换。本发明不影响原有的船舶动力学仿真模型的思路，在实际仿真验证评估系统中与动力学仿真模式并存，各自负责不同类型的仿真计算。
-
公开(公告)号：CN110969624A
公开(公告)日：2020-04-07
申请号：CN201911082345.5
申请日：2019-11-07
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种激光雷达三维点云分割方法，首先提取激光雷达采集的原始三维点云数据，然后对原始点云预处理，包括对原始点云数据的去噪、简化以及坐标变换，构建三维笛卡尔坐标系下的基础点云数据，并将三维数据用二维数组形式存储，再采用变邻域分散搜索策略，动态调整区域生长法围绕种子的邻域范围和搜寻匹配范围的分辨率，开展点云初步分割工作，在此基础上设计点云分割包络扩散策略，对点云分割集合的周围进一步搜索，实现多集合的融合，进而得到点云分割的集合，最后设计一种点云分割结果的可视化功能，用于查看点云分割效果。本发明有效提高了分割速率，有效抑制过分割情况，保持各目标的整体性，且便于观察分割目标扫描结果。
-
公开(公告)号：CN110969624B
公开(公告)日：2023-08-01
申请号：CN201911082345.5
申请日：2019-11-07
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种激光雷达三维点云分割方法，首先提取激光雷达采集的原始三维点云数据，然后对原始点云预处理，包括对原始点云数据的去噪、简化以及坐标变换，构建三维笛卡尔坐标系下的基础点云数据，并将三维数据用二维数组形式存储，再采用变邻域分散搜索策略，动态调整区域生长法围绕种子的邻域范围和搜寻匹配范围的分辨率，开展点云初步分割工作，在此基础上设计点云分割包络扩散策略，对点云分割集合的周围进一步搜索，实现多集合的融合，进而得到点云分割的集合，最后设计一种点云分割结果的可视化功能，用于查看点云分割效果。本发明有效提高了分割速率，有效抑制过分割情况，保持各目标的整体性，且便于观察分割目标扫描结果。
-
Patent Agency Ranking
公开(公告)号：CN112550592B
公开(公告)日：2021-09-10
申请号：CN202011313630.6
申请日：2020-11-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶能耗预测技术领域，具体涉及一种基于数据驱动的船舶能耗预测方法。本发明包括获取船舶的期望航线、出发时间及海况信息；构建离线基础模型，包括船舶对水稳态航速模型、发动机功率模型和发动机油耗模型；对船舶对水稳态航速模型和发动机功率模型的离散网格矩阵进行高维线性插值；对发动机油耗模型的离散网格矩阵进行一维线性插值；实时推演船舶能耗模型。本发明以一套数据矩阵作为支持，实现船舶长航路的能耗快速计算，该方法中的数据矩阵可通过多种方式获得，并方便快速替换。本发明不影响原有的船舶动力学仿真模型的思路，在实际仿真验证评估系统中与动力学仿真模式并存，各自负责不同类型的仿真计算。
-
公开(公告)号：CN114048800B
公开(公告)日：2024-06-14
申请号：CN202111229203.4
申请日：2021-10-21
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种视觉信息海上目标识别多源混合数据集构建方法。本发明通过详细划分海上目标种类，为后续样本采集与标注提供标准分类条件；采用多种途径获取样本数据，利用海上目标样本采集、网络搜索、数据样本增广方式，分别构建样本数据集；设计样本分配和处理策略，并制定海上目标识别评价策略，保证样本中各类数据构成比例更为合理，保证后续神经网络训练的准确性。本发明可为基于深度学习的海上目标识别网络训练任务，提供更为合理的训练样本，使训练后的网络具有较强的鲁棒性和识别准确性。
-
公开(公告)号：CN112857360B
公开(公告)日：2022-06-17
申请号：CN202110300122.2
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G01C21/00 , G01C21/20 , G01S13/86 , G01S13/937
Abstract: 本发明公开了一种船舶航行多信息融合方法，包括：步骤1：多目标船信息预处理；步骤2：船舶AIS信息中目标船状态插值；步骤3：雷达与AIS信息初步融合；步骤4：视觉图像信息再融合；步骤5：融合目标实时更新。本发明考虑了雷达、AIS、视觉图像三种信息，比以往仅考虑雷达和AIS目标融合算法相比，扩展了融合信息类别，可得到更为准确的融合目标信息；通过设定雷达和AIS融合后，再与视觉图像融合的步骤和策略，避免预先设定众多假设条件、主观约定等非客观情况，保证了融合目标的准确性和快速性；本发明通过视觉图像二维可视化方式，利用图像、文字和数据综合显示方式，更为直观反映目标融合的结果，提供了友好的人机交互模式。
-
公开(公告)号：CN112857360A
公开(公告)日：2021-05-28
申请号：CN202110300122.2
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G01C21/00 , G01C21/20 , G01S13/86 , G01S13/937
Abstract: 本发明公开了一种船舶航行多信息融合方法，包括：步骤1：多目标船信息预处理；步骤2：船舶AIS信息中目标船状态插值；步骤3：雷达与AIS信息初步融合；步骤4：视觉图像信息再融合；步骤5：融合目标实时更新。本发明考虑了雷达、AIS、视觉图像三种信息，比以往仅考虑雷达和AIS目标融合算法相比，扩展了融合信息类别，可得到更为准确的融合目标信息；通过设定雷达和AIS融合后，再与视觉图像融合的步骤和策略，避免预先设定众多假设条件、主观约定等非客观情况，保证了融合目标的准确性和快速性；本发明通过视觉图像二维可视化方式，利用图像、文字和数据综合显示方式，更为直观反映目标融合的结果，提供了友好的人机交互模式。
-
公开(公告)号：CN115035260B
公开(公告)日：2024-11-05
申请号：CN202210594240.3
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G06T17/05 , G06T7/70 , G06T7/10 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种室内移动机器人三维语义地图构建方法，通过机器人搭载的RGB‑D深度相机运行ORB‑SLAM2算法，获得机器人关键帧信息与位姿，将关键帧的RGB图与深度图通过反投影形成空间点云；对关键帧的空间点云进行滤波处理并根据位姿进行拼接形成三维稠密点云地图；将关键帧的RGB图利用YOLO V5网络进行目标识别，获得2D语义信息，并根据反投影获得3D语义标签；通过点云分割算法对稠密点云地图进行分割；将获得的语义信息与稠密点云地图的分割结果相融合，构建得到3D语义地图。本发明通过对使用RGB‑D深度相机采集的RGB‑D信息进行处理，将语义信息与SLAM结果融合，形成信息更为丰富的三维地图。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
